【技术实现步骤摘要】
基于层次图卷积的电网故障严重程度预测方法
本专利技术属于电力系统安全防护
,具体涉及一种基于层次图卷积的电网故障严重程度预测方法。
技术介绍
随着科技的不断进步和社会的迅速发展,对电力的需求越来越大,人们在生产和生活中越来越重视电力系统的安全性和可靠性,对其要求也变得越发的严格。因此,电力系统安全防护技术对于国家和社会也有着非常重要的战略意义。对电网状态的危险程度进行识别和分析是实施电力系统安全防护的前提和基础,电网故障严重程度预测技术,是指在给定电网状态条件下,预测出电网在不同故障条件下的故障严重程度,该技术要解决的主要问题包括:电网拓扑难以建模,计算所需时间较长、预测准确率不高等。电网故障严重程度的预测传统上依赖于潮流计算与暂稳计算等仿真方法,这类方法的最大问题在于其计算量很大,所需的时间较多。在机器学习领域,可以通过基于线性回归的方法,通过建立线性回归模型来实现电网状态和故障严重度值之间的映射,但是这类方法无法较好的拟合具有高度非线性的电网状态与故障严重度之间的映射关系。基于神经网络的方法(如:多层感知机)通常先构建神经网络模型,通过在模型中引入非线性的成分来提升模型拟合的效果,但是这类方法不能利用电网本身存在的结构拓扑信息,在预测准确率上存在一定缺陷。
技术实现思路
针对现有技术存在的问题,本专利技术提供了一种新的电网故障严重程度的识别方法。该方法是基于深度学习方法,是针对当前深度学习模型仅能适用于欧式空间的数据这一缺陷进行的改进。本专利技术提出基于层次图卷积的电网故 ...
【技术保护点】
1.一种基于层次图卷积的电网故障严重程度预测方法,其特征在于,其分为3个阶段:构建电网节点层次图结构、训练电网故障严重程度模型和预测电网故障严重程度三个阶段;其中:/n构建电网节点层次图结构阶段,根据电网中交流线和母线的连接关系,以交流线为顶点,连接关系为边构造连通的电网节点层次图结构;/n训练故障严重程度预测模型阶段,以电网节点层次图结构为基础进行图卷积运算,建立故障严重度识别模型,并使用电网状态和故障严重度值作为训练样本,对故障严重程度预测模型进行训练;/n预测电网故障严重程度阶段,将待预测电网状态输入故障严重程度预测模型,模型运算后输出发生各类故障的严重程度预测值。/n
【技术特征摘要】
1.一种基于层次图卷积的电网故障严重程度预测方法,其特征在于,其分为3个阶段:构建电网节点层次图结构、训练电网故障严重程度模型和预测电网故障严重程度三个阶段;其中:
构建电网节点层次图结构阶段,根据电网中交流线和母线的连接关系,以交流线为顶点,连接关系为边构造连通的电网节点层次图结构;
训练故障严重程度预测模型阶段,以电网节点层次图结构为基础进行图卷积运算,建立故障严重度识别模型,并使用电网状态和故障严重度值作为训练样本,对故障严重程度预测模型进行训练;
预测电网故障严重程度阶段,将待预测电网状态输入故障严重程度预测模型,模型运算后输出发生各类故障的严重程度预测值。
2.根据权利要求1所述的电网故障严重程度预测方法,其特征在于,构建电网节点层次图结构阶段中,给定交流线与母线的连接关系其中t表示交流线的编号,Nac表示交流线的数量,表示交流线与母线的连接关系,表示交流线的i侧母线编号,表示j侧母线编号;
根据交流线与母线的连接关系构建电网节点层次图结构的步骤如下:
①构建图G=(V,E),其中是顶点的集合,i为顶点编号,顶点vi代表交流线V中顶点个数和交流线总数相同;E是边的集合,定义如下:
E={(vp,vq)|vp与vq关联,vp∈V,vq∈V,p≠q},
其中,vp与vq“关联”定义为交流线和的两侧母线编号满足以下四种关系中的一种:
即,vp有一侧的母线是与vq中一侧的母线是相同的;
②寻找G中所有极大连通子图其中gi为第i个极大连通子图,Ng为极大连通子图的数量;如果Ng=1,则G即为最终图结构,构建过程结束;否则跳转至步骤③;
③对中的每一个极大连通子图gi,新增一个顶点并将该顶点加入V;同时将与gi中的每个顶点之间都建立一条边,并将这些边加入E;
④新增一个顶点vx,将该顶点加入V;同时将vx与步骤③中新增的每一个顶点之间都建立一条边,并将这些边加入E,此时的G即为最终图结构,构建过程结束;
通过以上步骤,即可完成电网节点层次图结构G的构建,步骤③、④中新增的顶点统称为虚拟顶点。
3.根据权利要求1所述的电网故障严重程序预测方法,其特征在于,在训练故障严重程度预测模型阶...
【专利技术属性】
技术研发人员:吴渊,曹蕊,金城,郑伟杰,
申请(专利权)人:复旦大学,中国电力科学研究院有限公司,国网辽宁省电力有限公司电力科学研究院,
类型:发明
国别省市:上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。